Diseño de un sistema de procesamiento y caracterización de potenciales ECG para la clasificación de arritmias cardiacas, mediante el uso de técnicas de aprendizaje automático supervisadas

Autores/as

  • Hermes Andrés Ayala Cucas Estudiante del Programa de Ingeniería Mecatrónica Universidad Mariana
  • Edison Alexander Mora Piscal Estudiante del Programa de Ingeniería Mecatrónica Universidad Mariana
  • Dagoberto Mayorca Torres Asesor y Docente del Programa de Ingeniería Mecatrónica Universidad Mariana
  • Angie Ximena Ortiz Chamorro Estudiante de Maestría en Epidemiología Universidad Mariana
Resumen Referencias bibliográficas Cómo citar

Resumen

Uno de los principales propósitos de la formación como ingenieros mecatrónicos es atender las necesidades y problemáticas de la sociedad, apoyados en las áreas de las ciencias computacionales. Esta nota describe los avances preliminares del diseño del proyecto Sistema de procesamiento y caracterización de potenciales ECG, con el fin de clasificar arritmias cardiacas mediante uso de técnicas de aprendizaje automático supervisadas, un sistema que permite monitorear y brindar señales de alarma ante situaciones de 8 tipos de arritmias cardiacas.

Referencias bibliográficas

Álvarez, M. (2016). Procesamiento de señales de electrocardiografía en equipos portables mediante estrategias de inteligencia artificial [tesis de pregrado, Universidad Nacional de Córdoba]. Repositorio Digital UNC. https://rdu.unc.edu.ar/handle/11086/4316

García, A. (2017). Análisis y procesamiento de la señal auscultada del corazón para el diagnóstico presuntivo de soplos cardiacos y arritmia cardíaca [tesis de pregrado, Universidad Politécnica Salesiana sede Cuenca]. Repositorio Institucional. https://dspace.ups.edu.ec/handle/123456789/14152

Isin, A. & Ozdalili, S. (2017). Cardiac arrhythmia detection using deep learning. Procedia Computer Science, 120, 268-275. https://doi.org/10.1016/j.procs.2017.11.238

Ministerio de Salud. (s.f.). Enfermedades cardiovasculares. https://www.minsalud.gov.co/salud/publica/PENT/Paginas/enfermedades-cardiovasculares.aspx

Organización Mundial de la Salud. (2017). Enfermedades cardiovasculares. https://www.who.int/es/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds)

Romero, J. (2015). Análisis de Señales Electrocardiográficas usando técnicas de procesamiento digital [tesis de pregrado, Universidad Oberta de Catalunya]. Archivo Digital. http://openaccess.uoc.edu/webapps/o2/bitstream/10609/40186/6/jlorenzoroTFC0115memoria.pdf

Sannino, G. & De Pietro, G. (2018). A deep learning approach for ECG-based heartbeat classification for arrhythmia detection. Future Generation Computer Systems, 86, 446-455. https://doi.org/10.1016/j.future.2018.03.057

Villagrán, C. (2017). Clasificación automática de latidos de un electrocardiograma utilizando aprendizaje profundo [tesis de maestría, Universidad de Concepción]. Repositorio Dspace. http://repositorio.udec.cl/xmlui/handle/11594/2541

Xiang, Y., Lin, Z. & Meng, J. (2018). Automatic QRS complex detection using two-level convolutional neural network. BioMedical Engineering Online, 17(1), 1-17. https://doi.org/10.1186/s12938-018-0441-4

Cómo citar

Ayala Cucas, H. A., Mora Piscal, E. A., Mayorca Torres, D., & Ortiz Chamorro, A. X. (2021). Diseño de un sistema de procesamiento y caracterización de potenciales ECG para la clasificación de arritmias cardiacas, mediante el uso de técnicas de aprendizaje automático supervisadas. Boletí­n Informativo CEI, 8(2), 204–210. Recuperado a partir de https://revistasumarianaeduco.biteca.online/index.php/BoletinInformativoCEI/article/view/2710

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2021-12-15

Número

Vol. 8 Núm. 2 (2021): Boletín Informativo CEI

Sección

Artículos

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Licencia Creative Commons
Boletí­n Informativo CEI por Universidad Mariana se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.